SEMIPARAMETRIC ESTIMATION OF DYNAMIC BINARY CHOICE PANEL DATA MODELS
动态二元选择面板数据模型的半参数估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究带固定效应和滞后因变量的动态二元选择面板模型，直接对应面板数据与离散选择方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
动态二元选择面板数据模型的半参数估计
- 研究问题
- 具有固定效应和滞后因变量的二元选择面板模型，能否通过匹配解释变量的指数而非每个变量实现识别，并缓解维度影响？
- 方法与思路
- 作者在确定性效用序列依赖条件和误差尾部限制下开展两步识别，提出两步最大得分估计，并分析渐近性质与自助法推断。
- 材料陈述的贡献
- 摘要称，识别只需跨期匹配指数函数，所提估计量收敛率不依赖模型维度，并提供基于自助法的分布近似及有限样本模拟。
- 阅读关注点
- 应核对新增序列依赖和误差尾部条件、两步识别与指数匹配的实现方式，以及维度无关收敛率和自助法近似成立的范围。
- 阅读边界
- 仅据所给 Crossref 版本摘要，额外条件、具体收敛率和自助法细节未说明，不能判断条件强弱或普遍优越性，也不推断版本变化。
原文摘要
We propose a new approach to the semiparametric analysis of panel data binary choice models with fixed effects and dynamics (lagged dependent variables). The model under consideration has the same random utility framework as in Honoré and Kyriazidou (2000, Econometrica 68, 839–874). We demonstrate that, with additional serial dependence conditions on the process of deterministic utility and tail restrictions on the error distribution, the (point) identification of the model can proceed in two steps, and requires matching only the value of an index function of explanatory variables over time, rather than the value of each explanatory variable. Our identification method motivates an easily implementable, two-step maximum score (2SMS) procedure – producing estimators whose rates of convergence, in contrast to Honoré and Kyriazidou’s (2000, Econometrica 68, 839–874) methods, are independent of the model dimension. We then analyze the asymptotic properties of the 2SMS procedure and propose bootstrap-based distributional approximations for inference. Evidence from Monte Carlo simulations indicates that our procedure performs satisfactorily in finite samples.